Guida rapida Web Search API: Integra in pochi minuti

llmwebsearchapi.com›authentication-base-url

Autenticazione e URL di base

Per utilizzare l'API è necessaria una chiave API. Registrati alla pagina Ottieni chiave API con solo email e password. La tua chiave appare immediatamente. Non è necessaria la carta di credito per il credito di prova. Utilizza l'URL di base https://api.llmwebsearchapi.com/v1 con qualsiasi client compatibile con OpenAI. L'ID del modello è uncensored. Questo modello a pesi aperti è ottimizzato per rispondere senza rifiuti per argomenti legali per adulti, fiction o controversi. Non è GPT, Claude o un modello di un altro fornitore.

llmwebsearchapi.com›basic-chat-completion-request

Richiesta di completamento chat di base

Invia una richiesta standard di completamento chat per estrarre testo dai risultati di ricerca. L'API accetta messages e restituisce un completamento. Utilizza il modello uncensored per assicurarti che nessun filtro sui contenuti blocchi i tuoi dati. Il corpo della richiesta supporta fino a 8 MB. Di seguito è riportato un esempio cURL per un'attività di estrazione di base.

Copycurl https://api.llmwebsearchapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

La risposta include il testo generato, che puoi poi passare alla memoria o allo strato di riassunto del tuo agente.

llmwebsearchapi.com›sdk-examples-for-python-and-javascript

Esempi SDK per Python e JavaScript

Utilizza gli SDK ufficiali OpenAI per Python e Node.js. Imposta base_url sul nostro endpoint e fornisci la tua chiave API. L'SDK Python gestisce automaticamente lo streaming e l'analisi JSON. L'SDK Node funziona in modo simile. Di seguito è riportato un esempio Python che mostra come inizializzare il client e inviare una richiesta.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.llmwebsearchapi.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

Per JavaScript, la configurazione è quasi identica. Imposta la variabile d'ambiente o passa la chiave direttamente. L'ID del modello rimane uncensored.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.llmwebsearchapi.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

llmwebsearchapi.com›risposte streaming per elaborazione in tempo reale

Risposte in streaming per l'elaborazione in tempo reale

Abilita lo streaming impostando stream: true nella tua richiesta. L'API restituisce token Server-Sent Events (SSE). Questo è utile per l'elaborazione in tempo reale di lunghi risultati di ricerca. Puoi visualizzare i token man mano che arrivano o accumularli per un uso successivo. Il formato della risposta in streaming corrisponde allo standard OpenAI. Di seguito è riportato un esempio di streaming utilizzando cURL.

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

Analizza il campo data in ogni messaggio SSE per ottenere il testo parziale.

llmwebsearchapi.com›chiamata di funzioni per strutturare i risultati di ricerca

Chiamata di funzioni per la strutturazione dei risultati di ricerca

Utilizza la chiamata di funzioni per strutturare i dati estratti. Definisci uno schema per il tuo output desiderato, come un elenco di URL o un oggetto di riassunto. L'API restituisce un JSON strutturato che corrisponde al tuo schema. Questo è ideale per popolare la memoria dell'agente AI con dati puliti e tipizzati. Definisci lo strumento nel parametro tools e specifica il nome della funzione. Il modello risponderà con un oggetto di chiamata di funzione. Puoi quindi eseguire la funzione o memorizzare direttamente il risultato.

llmwebsearchapi.com›gestione finestre di contesto per ricerche lunghe

Gestione delle finestre di contesto per ricerche lunghe

La finestra di contesto è di 100.000 token per prompt più completamento. Se i tuoi risultati di ricerca superano questo limite, devi troncarli o riassumerli prima di inviarli. L'API non gestisce automaticamente contesti lunghi. Invia solo il testo rilevante per rimanere entro i limiti. Se superi il limite, riceverai un errore. Monitora l'utilizzo dei token per evitare costi imprevisti. Il prezzo è $0,25 per 1M di token in input e $1,00 per 1M di token in output.

llmwebsearchapi.com›rate-limits-and-error-codes

Limiti di velocità e codici di errore

Il limite di velocità è di 300 richieste al minuto per chiave. Il limite del corpo della richiesta è di 8 MB. Se invii una chiave non valida, ottieni un errore 401. Se non hai credito, ottieni un errore 402. Se superi il limite di velocità, ottieni un errore 429. Rigenera la tua chiave in qualsiasi momento per revocare quella vecchia. Ogni account ha una sola chiave. Il credito di prova scade dopo 7 giorni. La ricarica parte da $10 con opzioni di credito bonus.